1. LassoCV 기반 변수 선택

• 다중공선성을 고려하여 LassoCV (5-Fold Cross Validation) 를 적용.
• 최적의 alpha(209)를 기준으로 변수 축소.
  
  

2. 상관계수 절대값 기반 변수 선택

• 절대값을 기준으로 상위 10개인 상관계수 변수 선택.

• 단위가 제각각일 경우 연산이나 거리 기반 계산을 할때 영향을 크게 받는 변수가 왜곡 될 수 있음.
  
• 서로 다른 단위를 갖는 변수들을 동일한 범위(0~1)로 스케일링하여 비교 가능하게 만들기 위해서!
  
• 최소값은 0, 최대값은 1로 맞춰주는 방식

• area_score(면적) : ‘GrLivArea’, ‘TotalBsmtSF’, ‘GarageArea’
  
• quality_score(품질) : ‘OverallQual’, ‘KitchenQual’, ‘BsmtQual’, ‘ExterQual’
  
• condition_score(상태) : ‘OverallCond’, ‘BsmtFullBath’
  
• year_score(연식) : ‘YearBuilt’
  
  
  

• area_score = df_clean[‘GrLivArea’] + df_clean[‘TotalBsmtSF’] + df_clean[‘GarageArea’]
  
• quality_score = (1 - df_clean[‘OverallQual’]) + (1 - df_clean[‘KitchenQual’]) + (1 - df_clean[‘BsmtQual’]) + (1 - df_clean[‘ExterQual’])
  
• condition_score = (1 - df_clean[‘OverallCond’]) + (1 - df_clean[‘BsmtFullBath’])
  
• year_score = 1 - df_clean[‘YearBuilt’]
  

quality_score 와 year_score에 조금 더 비중을 둬서 가중치 진행

가중치를 둬서 계산 진행

• df[‘MaintenanceScore’] = area_score * 0.2 + quality_score * 0.3 + condition_score * 0.2 + year_score * 0.3
  
  

MaintenanceScore을 A(최우수),B(양호),C(개선필요),D(시급)으로 구분

MaintenanceScore 높다는 것은 가격대비 유지보수가 높다는 것
=> 해당 집은 피해야하는 집!

MaintenanceScore 의 평균과 표준편차를 활용하여 등급을 나누기

• MaintenanceScore >= mean + std ==> D (시급)
• MaintenanceScore >= mean ==> C (개선필요)
• MaintenanceScore >= mean - std ==> B (양호)
• MaintenanceScore 그 외 ==> A (최우수)

왜? 평균과 표준편차를 활용하는 걸까?

• 분포의 중심값(평균)을 기준으로 판단하니, 전체 데이터 비교에 유리
• 절대값 기준보다 덜 왜곡됨